Task1 赛题理解
本章节主要对赛题背景以及使用的数据进行讲解,并给出解题思路。
赛题链接:https://tianchi.aliyun.com/competition/entrance/531795/information
1、赛题背景
赛题以计算机视觉中字符识别为背景,预测真实场景下的字符识别,这是一个典型的字符识别问题。通过这道赛题可以引导大家走入计算机视觉的世界,上手视觉赛题,提高对数据建模能力。
2、赛题数据
赛题来源自Google街景图像中的门牌号数据集(The Street View House Numbers Dataset, SVHN),并根据一定方式采样得到比赛数据集。该数据来自真实场景的门牌号。训练集数据包括3W张照片,验证集数据包括1W张照片,每张照片包括颜色图像和对应的编码类别和具体位置。
*数据集样本展示
2.1、数据标签
所有的数据(训练集、验证集和测试集)的标注使用JSON格式,并使用文件名进行索引。如果一个文件中包括多个字符,则使用列表将字段进行组合。
对于训练数据每张图片将给出对于的编码标签,和具体的字符框的位置(训练集、测试集和验证集都给出字符位置),可用于模型训练:
Field | Description |
---|---|
top | 左上角坐标X |
height | 字符高度 |
left | 左上角坐标Y |
width | 字符宽度 |
label | 字符编码 |
字符的坐标具体如下所示:
注:数据集来源自SVHN(http://ufldl.stanford.edu/housenumbers/)。一共五个文件,2个json文件,3个数据集的zip文件。分别为train.json, val.json, train.zip, val.zip, test_a.zip train为训练集,用于训练模型;val为验证集,用于验证模型的效果;test_a为最终测试集。
- 在比赛数据(训练集、测试集和验证集)中,同一张图片中可能包括一个或者多个字符,因此在比赛数据的JSON标注中,会有两个字符的边框信息:
原始图片 | 图片JSON标注 |
---|---|
3、评测标准
评价标准为准确率,结果与实际图片的编码进行对比,以编码整体识别准确率为评价指标,结果越大越好,具体计算公式如下:
s c o r e = 编 码 识 别 正 确 的 数 量 测 试 集 图 片 数 量 score=\frac{编码识别正确的数量}{测试集图片数量} score